企业官网建设流程全解析

简介：语音质量客观评价（PESQ）的MATLAB实现资源包，面向语音处理、编解码算法研究人员与通信工程学习者，解决语音传输或处理后的质量量化评估问题。包内共9个文件、约1.73MB，涵盖MATLAB脚本、PESQ可执行程序、原始与处理后语音样本、txt使用说明及docx/xls结果对比文档，形成从调用到结果输出的完整闭环。已有2050人学习下载，适合希望通过实际案例快速上手PESQ的读者。借助自带脚本与二进制工具，可自行替换语音样本完成不同场景失真对比；结合说明文档还能理解帧对齐、频谱失真计算等核心原理。PESQ基于心理声学模型给出-0.5至4.5的感知分数，资源包提供了全套运行环境，可直接用于语音增强、编码器评测等实验，为算法调优或项目报告提供可复现的评估支撑。 做语音处理的人，基本都绕不开PESQ这个名字。无论你是在做语音编码、VoIP通话优化，还是给降噪算法做效果评估，最终都要回答一个问题：处理完的这段语音，到底变好了还是变差了？主观试听当然可以，但人耳主观评价费时费力，而且受状态影响大，这时候就需要一套客观评价算法来兜底，PESQ（Perceptual Evaluation of Speech Quality）就是应用最广的那个标准答案。

我这次整理的是名为“语音质量客观评价（PESQ）matlab.rar”的完整Matlab代码包。很多人下载过类似压缩包，但真正能在自己的项目里跑通PESQ并正确解读结果的人并不多——不是代码有问题，而是你不知道它内部在算什么、哪些参数会影响得分、为什么报错。这篇文章就专门拆开PESQ：从算法原理到Matlab实现，从编译避坑到实际调用，把我在项目中踩过的坑一次说清楚。适合刚接触语音质量评价的研究生、做音频算法的开发工程师，以及所有需要在Matlab里快速拿到MOS分的同行参考。

1. 语音质量评价为什么需要PESQ，它到底在算什么

1.1 主观评价的难点与客观评价的诞生

语音质量评价最早的方法是主观MOS（Mean Opinion Score），找一群人听语音，然后打分，从1分（极差）到5分（极好）。这种方法的缺点是显而易见的：需要大量听音员、环境要标准化、结果受个体差异影响大、而且没法嵌入到自动化测试链路里。音频编解码算法在迭代阶段天天改参数，不可能每改一次就拉一波人来听。这就催生了一类数学模型——用算法模拟人耳的听觉过程，输入原始语音和退化语音，输出一个可重复的质量分数，这就是客观语音质量评价。

PESQ是其中最为经典的一个，由ITU-T在2001年发布为P.862标准，专门面向窄带电话语音（300Hz到3400Hz）。它把“参考信号”和“退化信号”同时送入一个仿生模型，内部按人耳的听觉机制处理，最后输出一个预测的MOS分数。PESQ的好处在于它和主观MOS的相关性很高，尤其在语音编码、网络传输、回声消除等场景下，实验结果和真实听感高度一致。后来改进的宽带版本P.862.2（WB-PESQ）扩展到了50Hz至7000Hz，再后来出现了性能更强的POLQA（P.863），但目前工业界和学术界用PESQ做基线对比的仍然最多。

1.2 PESQ算法的核心流程拆解

PESQ并不是一个简单的“误差计算器”。如果你只用一句“算一下原始信号和处理信号之间的差异”来理解它，那后面读代码时会无从下手。它内部是一条完整的感知处理流水线，我按执行顺序整理成了如下几步：

第一步，电平归一化。参考信号和退化信号先各自做增益调整，确保两者在响度上处于同一水平。这一步很关键，因为很多语音算法会在处理过程中改变整体响度，如果不归一化，最终得分会异常偏低。PESQ内部计算了一个“补偿增益”，用一段包含语音活动的区域做估计。

第二步，带通滤波。PESQ里内置了一个模拟电话听筒的滤波器，用于把信号限制在电话频段范围。即便你输入的语音是16kHz采样率，这个滤波器也会把8000Hz以上成分基本滤掉，目的是让模型专注在人耳对电话语音的敏感频率区域。

第三步，时间对齐。退化信号相对参考信号通常存在延迟（比如编码算法引入的算法延迟，或网络传输造成的时延），PESQ会把两个信号切成分块，用包络互相关的方法估计出局部延迟，再对退化信号做对齐补偿。这一步直接影响最终分数，如果时间对齐失败，PESQ会误解“时间偏移”为“严重失真”，分数会异常低。

第四步，感知模型计算。对齐后的两个信号分别做短时傅里叶变换，然后在Bark域（巴克尺度，一种模拟人耳频率分辨率特性的非线性频率尺度）上将频谱映射为响度密度，两路信号在该域相减得到扰动密度。PESQ把扰动分成两类：加性扰动（additive disturbance，类似噪声叠加）和乘性扰动（multiplicative disturbance，类似频谱包络变化），再引入非对称处理来惩罚“听起来难受的那些失真”，最后在时间与频率两个维度上做聚合，得到最终的PESQ得分。

整个模型本质上是在回答一个问题：“这段退化语音和人耳记忆中对应的参考语音之间的感知差异有多大”。PESQ输出的分值范围是-0.5到4.5，应用中通常映射到0到5的MOS-LQO区间，数值越大表示质量越好。4.5以上几乎是无损，3.5到4.5是较好质量，低于3.0往往意味着能明显感知到的染色或失真。

1.3 PESQ在算法评估中的定位和边界

我用PESQ评估过编码器、降噪算法、回声消除模块，也帮别人排查过“为什么PESQ分数和听感不符”的问题。这里必须先说清楚它的边界：PESQ对线性或近似线性的系统（如语音编码、电平调整）表现很好，但对强非线性处理（如丢包补偿后的波形合成、某些大强度噪声抑制）预测能力会下降。它专注的是“语音质量”，不是“可懂度”。一段处理后的语音即使每个字都听不清，只要听感和参考接近，PESQ分数也可能不低。做评估时最好同时跑PESQ、STOI（短时客观可懂度）和MOS试听，三者配合来看，比单看任何一个分数都可靠得多。

2. Matlab跑PESQ的方案选型：三条路怎么选

2.1 方案一：ITU-T官方参考代码编译MEX

PESQ的标准参考实现是C语言代码包（P.862），可以从ITU-T官网获取。这个包里包含完整的算法实现，但要在Matlab中使用需要自己编写MEX包装。

将C代码编译成MEX的大致步骤是：

# 1. 将官方源文件解压到本地目录，目录里包含pesqmain.c、pesq.h等源文件 # 2. 在Matlab中执行： mex -setup # 选择已安装的C编译器 mex pesqmain.c pesqmod.c dsp.c -output pesq_mex

编译完成后，在Matlab中以pesq_mex(ref_wav, deg_wav, samplerate)方式调用。因为C代码直接实现P.862标准，结果完全对齐标准算法，没有任何“黑盒”问题。缺点是编译有门槛，在Windows上需要提前装好MinGW-w64或Visual Studio的C编译器，而且官方代码风格比较“上世纪”，变量名难懂，想改内部结构并不容易。

2.2 方案二：Matlab Audio Toolbox自带pesq函数

从R2021a开始，Matlab的Audio Toolbox里直接内置了pesq函数（之前某些版本只有第三方实现）。用法极其简单：

score = pesq(ref, deg, fs);

其中ref和deg是列向量形式的语音信号，fs是采样率（支持8000或16000）。函数会返回两个值：pesq_mos（窄带MOS-LQO分）和mos_lqo（映射后的MOS-LQO分）——实际返回值版本有差异，建议在命令行里先输出查看。

Audio Toolbox的好处是省去了编译环节，输入输出都做了标准接口封装，代码量最少，适合快速验证和批量测试。缺点是对Toolbox版本有依赖，旧版Matlab没有这个函数；而且内部实现可能和最新的P.863等标准有差异，如果做算法研究，一般建议以基准数据为准，两个方案互相印证。

2.3 方案三：第三方Python/MATLAB重实现

GitHub上还有不少开源的Python重实现（如pesq库）以及一些第三方Matlab工具包。这套路子的优点在于代码阅读体验好，注释清晰，方便学习算法细节；缺点也是明显的——重实现的质量参差不齐，有的在边界条件下（比如极端短语音、静音开头）计算结果和标准不一致。我的建议是：做算法预研时可以借助它们理解原理，但正式实验报告和论文里的数据，尽量用官方实现或Matlab内置版本出。

2.4 三个方案的对比与选型建议

如果让我选，个人建议是：电脑上装了较新的Matlab（R2021a以后）就用内置pesq，完全够用；如果要做严谨的算法对比或论文实验，再额外编译一份官方代码互相验证。两边的差异如果很小（0.1分以内），说明结果可信；如果差异很大，优先查输入信号的预处理是否一致。

3. 实操演示：在Matlab里完整跑通一个PESQ评估

3.1 准备测试语音

要从“用PESQ评价语音质量”这步开始，先得有一对语音文件：一个参考文件（原始干净语音），一个退化文件（经过编解码、降噪或网络传输后的语音）。我习惯用NTT的ITU-T测试语音集，或者自己录几段长句子，保证内容一致但包含不同说话人。

文件准备好后在Matlab中读取：

[ref, fs1] = audioread('reference.wav'); [deg, fs2] = audioread('degraded.wav');

这里有一个经常被忽略的细节：audioread读出的数据是归一化到[-1, 1]的浮点数，PESQ内部会做电平调整，所以不需要手动归一化。但采样率必须明确，如果两个文件的采样率不一致，要先用resample统一。

% 统一采样率到16kHz（如果原始是8kHz建议重采样到16kHz） if fs1 > fs2 ref = resample(ref, fs1, fs2); else deg = resample(deg, fs2, fs1); end fs = max(fs1, fs2);

注意resample的用法第一个参数是目标频率、第二个是原频率，别写反了。

3.2 调用PESQ并获取分数

如果用内置函数，核心调用就一行：

% 方式1：Audio Toolbox内置pesq score = pesq(ref, deg, fs);

输出结果类似：

pesq_mos = 3.4210 mos_lqo = 3.4210

但如果用的是官方C编译的MEX版，调用方式则可能是：

% 方式2：官方代码包编译后的调用 score = pesq_mex('reference.wav', 'degraded.wav', 16000);

官方MEX直接传文件路径，内部自己读文件，采样率参数单独传入。这种方式省去了在Matlab里读取音频的步骤，但要求文件路径没有中文，且必须和调用时指定的采样率一致。

比较关键的一点：两个信号的长度不必完全一致，PESQ内部会做时间对齐，但如果长度差异过大（比如参考3秒，退化只有1秒），时间对齐会失效，最终得分基本没有参考价值。我一般会保证退化信号长度不小于参考信号的50%，并尽量让语言内容完整覆盖。

3.3 批量处理多条语音，形成评测报告

单挑一条语音跑分意义有限，实际项目中总是批量处理几十条语音，然后求平均。这里分享一个我自己用的批量脚本骨架：

% 批量计算PESQ分数 refDir = './data/ref/'; degDir = './data/deg/'; fileList = dir(fullfile(refDir, '*.wav')); scores = zeros(length(fileList), 1); for i = 1:length(fileList) fileName = fileList(i).name; [ref, fs1] = audioread(fullfile(refDir, fileName)); [deg, fs2] = audioread(fullfile(degDir, fileName)); if fs1 ~= fs2 warning('采样率不一致: %s', fileName); end fs = min(fs1, fs2); ref = resample(ref, fs, fs1); deg = resample(deg, fs, fs2); scores(i) = pesq(ref, deg, fs); end avgScore = mean(scores); disp(['平均PESQ: ', num2str(avgScore)]);

跑出来的分数可以按不同条件分组做统计，比如不同码率、不同丢包率，画成折线图就能直观看出算法在哪些区间退化严重。这里我特别提醒：批量处理时先确认所有参考和退化文件一一对应，不然中间混了对文件，平均值会被严重拉偏。

4. 实战中踩过的坑：PESQ使用避坑指南

4.1 采样率、声道与长度对齐问题

PESQ最常遇到的问题首先就是采样率不匹配。P.862标准只支持8kHz和16kHz两种采样率输入。有的项目录音是48kHz或44.1kHz，直接送进PESQ基本是灾难性的结果。正确做法是先转成16kHz——虽然标准电话是8kHz，但16kHz能保留更多语音细节，和实际VoIP场景更贴近。另外，PESQ只处理单声道，如果输入是双声道立体声，需要先取单声道，否则会出现“相位抵消”式的错误，分数完全失真。

长度对齐问题前面提过，再补充一个细节：如果参考语音开头有明显静音，PESQ在时间对齐时会把静音段优先对齐，导致后面的语音内容整体错位。解决办法是在预处理阶段就做语音活动检测（VAD），把首尾静音裁掉再送进PESQ。

4.2 “分数和听感不符”的原因排查

遇到PESQ分数和主观试听差异大的情况，我通常按这个顺序排查：

1. 两路信号是否经过了同一种滤波器处理。比如参考信号是原始录音，退化信号经过了某种高保真渲染，但PESQ内部默认的“电话听筒”滤波器会把高频部分直接滤掉，这种情况下PESQ会认为退化信号“和参考没有太大差别”。这其实是所有标准客观评价方法的固有问题——它们的训练数据集决定了它们对某些失真不敏感。

2. 退化信号是否带有添加的噪声。PESQ的加性扰动模型对平稳背景噪声很敏感，但对“音乐噪声”这类结构化噪声惩罚不足。如果你在做的算法是深度语音增强，输出的音乐噪声可能听感很刺耳，但PESQ分数却不一定低。这时候一定要配STOI或主观试听一起分析。

3. 时间对齐是否失效。典型的症状是：两路信号明明听起来内容相同，只是开头差了0.5秒，PESQ却给出2分以下。这种时候检查一下退化信号相对参考是否存在明显时延，有的话先手动裁齐。

4.3 MEX编译和跨平台问题

我最初在Windows上编译官方C代码时也折腾过一阵。官方代码包里有几个.c文件直接相互引用，编译时要一起编译进去，漏一个就报链接错误。另外，官方代码里用了malloc和free，在MEX环境下需要记得在mexFunction里正确管理内存。

更隐蔽的一个坑是：某些官方版本代码使用了C89风格，而新版Visual Studio默认按C11编译，某些语法会报warning甚至error。我当时的处理方法是把pesqmain.c用文本编辑器打开，把所有void函数声明改成带显式参数的形式，再重新编译。这种事没有标准答案，就是“遇到错就搜、搜到就改”的体力活。

如果不想碰编译，另一个稳妥路线是直接用Matlab的Audio Toolbox内置版本，但要注意版本差异——R2021a之前的版本没有pesq函数，需要自己找第三方实现。我手头到现在还留着R2020b时代用第三方函数库跑出来的结果，和后来用内置函数跑的结果对比，平均有0.1分左右的偏差。写论文时如果前后用不同版本跑了数据，实验记录一定要写清楚。

4.4 解读分数时最容易犯的错误

很多刚用PESQ的同学会陷入“精确数字”的陷阱：算法A跑出来3.42，算法B跑出来3.47，就断言B比A好。但PESQ分数本身有统计波动，直接用平均值比较并不稳妥。正规做法是准备多个语料（至少二三十条），分别计算每个算法的PESQ分数分布，再做配对t检验或Wilcoxon符号秩检验，确定差异是不是统计显著的。

另外，PESQ的绝对数值在不同数据集上不可直接比较。同样的编解码器，在英文语音集上跑出3.8分，在中文语音集上可能只有3.5分——这不是算法变差了，而是语音内容、说话人、录制环境都不一致。比较算法优劣时，要保证同一批语料、同一处理流程、同一PESQ实现版本，这样分数才有可比性。这个问题在语音增强领域论文里特别常见，审稿人一看你用不同的测试集直接横向比较分数，基本会抓住不放。

5. 个人实操中的几点体会

PESQ用久了你会发现，它更像一把“固定刻度的尺子”，而不是“能感知音质的耳朵”。它能帮你从几十个候选参数中筛出哪几个方向值得继续做，但永远不要只靠它做最终决策。我个人的习惯是：每次评审算法效果时，先跑PESQ做粗筛，跑STOI看可懂度，最后抽几条典型样本自己听一遍，三者都过了才会把改动合入主分支。

最后分享一个小技巧：在Matlab里处理PESQ时，把参考信号和退化信号画在一张图上看波形对齐情况，比直接看分数更有用。具体做法是用plot把两个波形上下错开画出，如果波形形状大体一致但明显错位，说明时间对齐有问题；如果波形形状差异大但PESQ分数还不错，说明失真主要影响的是感知上不敏感的部分。这一步花不了几秒钟，但能帮你省掉大量排错时间。PESQ作为一个已经被广泛验证的客观指标，结合合理的实验设计和个人听感判断，仍然是我在语音算法评估中最常用的第一道关卡。

本文还有配套的精品资源，点击获取